1.什么叫做数据结构
1.1定义
数据结构:是相互之间存在一种或者多种特定关系的数据元素的集合。
1.2分类
2.什么叫做算法
2.1定义
算法:解决特定问题求解步骤的描述,在计算机中表现为指令的有限序列,并且每条指令表示一个或者多个操作。
2.2算法的特性
特性 | 解释 |
---|---|
输入输出 | 算法具有零个或多个输入,并且至少有一个或者多个输出 |
有穷性 | 算法在执行有限的步骤之后,自动结束而不会出现无限循环,并且每一个步骤在可接受的时间内完成。 |
确定性 | 算法的每一步骤都具有确定的含义。 |
可行性 | 算法的每一步都必须是可行的。 |
3.算法效率
3.1算法效率分析分类
3.2时间复杂度
概念:算法中的基本操作的执行次数,为算法的时间复杂度。
3.3空间复杂度
概念:一个算法在运行过程中临时占用存储空间大小的度量。
3.4大O渐进表示法
1、用常数1取代运行时间中的所有加法常数。
2、在修改后的运行次数函数中,只保留最高阶项。
3、如果最高阶项存在且不是1,则去除与这个项目相乘的常数,得到的结果就是大O阶。
另外有些算法的时间复杂度存在最好、平均和最坏情况:
最坏情况:任意输入规模的最大运行次数(上界)
平均情况:任意输入规模的期望运行次数
最好情况:任意输入规模的最小运行次数(下界)
(在实际中一般情况关注的是算法的最坏运行情况)
3.5时间复杂度计算举例
3.5.1计算bubbleSort的时间复杂度
// 计算bubbleSort的时间复杂度?
void bubbleSort(int[] array) {
for (int end = array.length; end > 0; end--) {
boolean sorted = true;
for (int i = 1; i < end; i++) {
if (array[i - 1] > array[i]) {
Swap(array, i - 1, i);
sorted = false;
}
} if (sorted == true) {
break;
}
}
}
基本操作执行最好N次,最坏执行了(N*(N-1))/2次,通过推导大O阶方法+时间复杂度一般看最坏,时间复杂度为 O(N^2).
3.5.2计算binarySearch的时间复杂度
// 计算binarySearch的时间复杂度?
int binarySearch(int[] array, int value) {
int begin = 0;
int end = array.length - 1;
while (begin <= end) {
int mid = begin + ((end-begin) / 2);
if (array[mid] < value)
begin = mid + 1;
else if (array[mid] > value)
end = mid - 1;
else
return mid;
} return -1;
}
基本操作执行最好1次,最坏log2N次,时间复杂度为 O(log2N )
ps:log2N在算法分析中表示是底数为2,对数为N,有些地方会写成lgN。
3.5.3计算阶乘递归factorial的时间复杂度
// 计算阶乘递归factorial的时间复杂度?
long factorial(int N) {
return N < 2 ? N : factorial(N-1) * N;
}
基本操作递归了N次,时间复杂度为O(N)
3.5.4计算斐波那契递归fibonacci的时间复杂度
// 计算斐波那契递归fibonacci的时间复杂度?
int fibonacci(int N) {
return N < 2 ? N : fibonacci(N-1)+fibonacci(N-2);
}
基本操作递归了 2 N 2^{N} 2N次,时间复杂度为O( 2 N 2^N 2N).